📢 Gate广场 #MBG任务挑战# 发帖赢大奖活动火热开启!
想要瓜分1,000枚MBG?现在就来参与,展示你的洞察与实操,成为MBG推广达人!
💰️ 本期将评选出20位优质发帖用户,每人可轻松获得50枚MBG!
如何参与:
1️⃣ 调研MBG项目
对MBG的基本面、社区治理、发展目标、代币经济模型等方面进行研究,分享你对项目的深度研究。
2️⃣ 参与并分享真实体验
参与MBG相关活动(包括CandyDrop、Launchpool或现货交易),并晒出你的参与截图、收益图或实用教程。可以是收益展示、简明易懂的新手攻略、小窍门,也可以是现货行情点位分析,内容详实优先。
3️⃣ 鼓励带新互动
如果你的帖子吸引到他人参与活动,或者有好友评论“已参与/已交易”,将大幅提升你的获奖概率!
MBG热门活动(帖文需附下列活动链接):
Gate第287期Launchpool:MBG — 质押ETH、MBG即可免费瓜分112,500 MBG,每小时领取奖励!参与攻略见公告:https://www.gate.com/announcements/article/46230
Gate CandyDrop第55期:CandyDrop x MBG — 通过首次交易、交易MBG、邀请好友注册交易即可分187,500 MBG!参与攻略见公告:https://www.gate.com/announcements
AI发展80年:从狂热到理性的启示录
AI发展80年的历程与启示
在人工智能(AI)领域的80年发展历程中,我们可以汲取诸多宝贵经验。这段历程见证了资金投入的起起落落、研究与开发方法的多样化,以及公众情绪从好奇到焦虑再到兴奋的变迁。
AI的历史可以追溯到1943年12月,当时神经生理学家麦卡洛克和逻辑学家皮茨发表了一篇关于数理逻辑的开创性论文。他们提出了理想化和简化的神经元网络模型,描述了这些网络如何通过传递或不传递脉冲来执行简单的逻辑运算。尽管这篇论文的假设后来未能通过实证检验,但它却成为了现代深度学习的灵感来源。
在AI发展的过程中,我们需要警惕将工程学与科学混为一谈,将科学与推测混为一谈,以及将科学与充满数学符号和公式的论文混为一谈。更重要的是,我们应该抵制"人类可以创造出与自身无异的机器"这种错觉的诱惑。这种顽固且普遍存在的傲慢心理在过去80年里一直是科技泡沫和AI周期性狂热的催化剂。
通用AI(AGI)的概念,即很快就会出现具有类人智能甚至超级智能的机器,一直是AI领域的热门话题。然而,历史上关于AGI即将实现的预测屡屡落空。从1957年赫伯特·西蒙宣称"世界上已有了能思考、学习和创造的机器",到1970年马文·明斯基预言"三到八年内就会出现具有普通人智力的机器",再到近期OpenAI声称超级智能AI可能在本十年内出现,这些预测都反映了对AI能力的过度乐观。
我们应该谨慎对待那些看似革命性的新技术,仔细审视它们是否真的与之前关于机器智能的猜测有本质区别。正如深度学习专家Yann LeCun所言,我们仍然缺少一些关键要素来实现像人类和动物那样高效学习的机器。
AI发展史上的"第一步谬论"值得我们警惕。这种谬论认为,只要计算机能够完成一项原本被认为无法完成的任务,即使完成得很糟糕,通过进一步的技术发展,它最终就能完美地完成该任务。然而,现实往往证明,从无法做某事到做得不好,通常比从做得不好到做得很好的距离要短得多。
在AI发展的不同阶段,硬件、软件和数据收集都扮演了重要角色。20世纪60年代中期开始流行的专家系统,将注意力转向了获取和编程现实世界知识。然而,到90年代初,这场AI热潮最终破灭,暴露出知识获取和维护的巨大挑战。这提醒我们,初步的成功和广泛采用并不能保证一个"新产业"的持久性,泡沫终究会破裂。
AI研发方法的争论长期存在,主要在基于规则的符号AI和基于统计的联结主义之间展开。近年来,AI研发重心从学术界转向私营部门,但整个领域仍然倾向于追随单一研究方向。这提醒我们不应将所有希望寄托在单一的AI开发方法上。
展望未来,无论是英伟达这样的硬件巨头,还是专注于AGI的初创公司,都应该从AI的发展历程中汲取经验教训。保持警惕,多元化发展,避免陷入单一技术路线的陷阱,这些都是确保在AI领域长期成功的关键。